Fugu-MT 論文翻訳(概要): FedLab: A Flexible Federated Learning Framework

論文の概要: FedLab: A Flexible Federated Learning Framework

arxiv url: http://arxiv.org/abs/2107.11621v1
Date: Sat, 24 Jul 2021 14:34:02 GMT
ステータス: 処理完了
システム内更新日: 2021-07-28 06:17:48.167671
Title: FedLab: A Flexible Federated Learning Framework
Title（参考訳）: FedLab: 柔軟なフェデレーション学習フレームワーク
Authors: Dun Zeng, Siqi Liang, Xiangjing Hu, Zenglin Xu
Abstract要約: フェデレートラーニング(FL)は、プライバシ保護規則に違反することなく、複数のパーティが共有モデルをトレーニングできるプライバシー問題に対するソリューションである。 PyTorchをベースとしたフレキシブルでモジュール化されたFLフレームワークであるFedLabを開発した。
参考スコア（独自算出の注目度）: 16.481399535233717
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Federated learning (FL) is a solution for privacy challenge, which allows multiparty to train a shared model without violating privacy protection regulations. Many excellent works of FL have been proposed in recent years. To help researchers verify their ideas in FL, we designed and developed FedLab, a flexible and modular FL framework based on PyTorch. In this paper, we will introduce architecture and features of FedLab. For current popular research points: optimization and communication compression, FedLab provides functional interfaces and a series of baseline implementation are available, making researchers quickly implement ideas. In addition, FedLab is scale-able in both client simulation and distributed communication.
Abstract（参考訳）: フェデレートラーニング(FL)は、プライバシ保護規則に違反することなく、複数のパーティが共有モデルをトレーニングできるプライバシー問題に対するソリューションである。近年,多くの優れたFLが提案されている。 PyTorchをベースとしたフレキシブルでモジュール化されたFLフレームワークであるFedLabを開発した。本稿では,FedLabのアーキテクチャと機能を紹介する。現在の一般的な研究ポイント:最適化と通信圧縮において、FedLabは機能インターフェースを提供し、一連のベースライン実装が利用可能であり、研究者は素早くアイデアを実装している。さらに、FedLabはクライアントシミュレーションと分散通信の両方でスケールできます。

関連論文リスト

FedModule: A Modular Federated Learning Framework [5.872098693249397]
フェデレートラーニング(FL)は、医療、金融、スマートシティなど、さまざまな分野で広く採用されている。本稿では,フレキシブルかつFLな実験フレームワークであるFedModuleを紹介する。 FedModuleは"1つのコード、すべてのシナリオ"の原則に準拠し、FLプロセスを個々のコンポーネントに分割するモジュール設計を採用しています。
論文参考訳（メタデータ） (2024-09-07T15:03:12Z)
APPFLx: Providing Privacy-Preserving Cross-Silo Federated Learning as a Service [1.5070429249282935]
クロスサイロプライバシ保護フェデレーション学習(PPFL)は、機密性の高いローカルデータを共有することなく、堅牢で一般化された機械学習(ML)モデルを協調的にトレーニングする強力なツールである。 APPFLxは、プライバシ保護のためのクロスサイロ・フェデレーション・ラーニング・アズ・ア・サービスを提供する。
論文参考訳（メタデータ） (2023-08-17T05:15:47Z)
NVIDIA FLARE: Federated Learning from Simulation to Real-World [11.490933081543787]
私たちはNVIDIA FLAREをオープンソース開発キット(SDK)として開発しました。 SDKには最先端のFLアルゴリズムとフェデレートされた機械学習アプローチのためのソリューションが含まれている。
論文参考訳（メタデータ） (2022-10-24T14:30:50Z)
FLamby: Datasets and Benchmarks for Cross-Silo Federated Learning in Realistic Healthcare Settings [51.09574369310246]
Federated Learning(FL)は、センシティブなデータを保持している複数のクライアントが協力して機械学習モデルをトレーニングできる新しいアプローチである。本稿では,医療分野に重点を置くクロスサイロ・データセット・スイートFLambyを提案し,クロスサイロ・FLの理論と実践のギャップを埋める。私たちのフレキシブルでモジュラーなスイートによって、研究者は簡単にデータセットをダウンロードし、結果を再現し、研究のためにさまざまなコンポーネントを再利用することができます。
論文参考訳（メタデータ） (2022-10-10T12:17:30Z)
UniFed: All-In-One Federated Learning Platform to Unify Open-Source Frameworks [53.20176108643942]
オープンソースフェデレートラーニング(FL)フレームワークを標準化する最初の統一プラットフォームであるUniFedを紹介します。 UniFedは、分散実験とデプロイメントのためのエンドツーエンドワークフローを合理化し、11の人気のあるオープンソースFLフレームワークを含んでいる。機能、プライバシ保護、パフォーマンスの観点から、11の人気のあるFLフレームワークを評価し比較する。
論文参考訳（メタデータ） (2022-07-21T05:03:04Z)
FederatedScope: A Comprehensive and Flexible Federated Learning Platform via Message Passing [63.87056362712879]
我々は,メッセージ指向フレームワークを基盤とした,新しい総合的なフェデレート学習プラットフォームであるFederatedScopeを提案する。手続き型フレームワークと比較して、提案されたメッセージ指向フレームワークは異種メッセージ交換を表現するのに柔軟である。我々は、FederatedScopeの正確性と効率性を検証するために、提供された簡易かつ包括的なFLベンチマークについて一連の実験を行った。
論文参考訳（メタデータ） (2022-04-11T11:24:21Z)
FedComm: Federated Learning as a Medium for Covert Communication [56.376997104843355]
フェデレートラーニング(FL)は、ディープラーニングの採用に伴うプライバシーへの影響を軽減するためのソリューションである。本稿では,FL方式の通信能力について詳しく検討する。我々は,新しいマルチシステム被覆通信技術であるFedCommを紹介する。
論文参考訳（メタデータ） (2022-01-21T17:05:56Z)
EasyFL: A Low-code Federated Learning Platform For Dummies [21.984721627569783]
低コードフェデレーテッドラーニング(FL)プラットフォームであるEasyFLを初めて提案し、さまざまなレベルの専門知識を持つユーザーが、少ないコーディングでFLアプリケーションを実験およびプロトタイプできるようにします。ほんの数行のコードで、EasyFLは実験とデプロイを加速するために、すぐに使える多くの機能を提供します。私たちの実装は、EasyFLがバニラFLアプリケーションを構築するのにわずか3行のコードを必要とすることを示しています。
論文参考訳（メタデータ） (2021-05-17T04:15:55Z)
Blockchain Assisted Decentralized Federated Learning (BLADE-FL) with Lazy Clients [124.48732110742623]
フェデレートラーニング(FL)にブロックチェーンを統合する新しいフレームワークを提案する。 BLADE-FLは、プライバシー保護、改ざん抵抗、学習の効果的な協力の点で優れたパフォーマンスを持っている。遅延クライアントは、他人のトレーニングされたモデルを盗聴し、不正行為を隠すために人工的なノイズを加える。
論文参考訳（メタデータ） (2020-12-02T12:18:27Z)
FedML: A Research Library and Benchmark for Federated Machine Learning [55.09054608875831]
フェデレート・ラーニング(Federated Learning, FL)は、機械学習の分野で急速に成長している研究分野である。既存のFLライブラリは多様なアルゴリズム開発を適切にサポートできない。 FLアルゴリズムの開発と公正な性能比較を容易にするための,オープンな研究ライブラリとベンチマークであるFedMLを紹介する。
論文参考訳（メタデータ） (2020-07-27T13:02:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。